【技术实现步骤摘要】
本专利技术属于文本处理，具体地说，是涉及一种基于html语义树的可控性表格重建模型的方法、装置及介质。
技术介绍
1、在文档智能的背景下，如何对图片型文档中的数据，特别是表格型数据的自动提取，成为一个重要且困难的问题，这对于情报检索、情报分析领域有重大意义。
2、为了解决这个问题，研究者们尝试使用图片识别模型来解决，例如基于霍夫变换等传统方法对表格的结构和内容进行重建，但是这类方法无法处理无边线表格的情况；后面的研究者尝试使用神经网络模型，并把表格重建任务转化成一个图片到html串的生成问题，利用html串来描述和重建表格结构，但是，由于生成阶段的不可控问题，即使html串在生成过程中出现一个token的错误，也会导致表格结构的整体混乱。
技术实现思路
1、本专利技术的目的在于提供一种基于html语义树的可控性表格重建模型，以解决现有技术所存在的技术问题。
2、为了实现上述目的，本专利技术采取的技术方案如下：
3、一种基于html语义树的可控性表格重建模型的方法，在模型预测阶段包括：
4、编码过程：将输入图片记为x，经过图片编码器进行编码，得到图片的中间表示h；利用图片编码器的输出结果，完成一个表格行数的预测任务，上述过程用公式表示为：
5、
6、解码过程：首先，按照顺序的方式将表格表示出来，即表格语义树的先根遍历序列，简写为:
7、
8、然后，采用层次遍历序列作为第二种遍历序列，对ht
9、。
10、在解码过程中，解码出每个单元格的位置信息t，以实现td标签和单元格位置序列的对齐，单元格个数为n，则位置信息序列t表示为：。
11、所述对齐的方法如下：在解码html串时，会产生三种token：table标签、tr标签、td标签，在解码出一个td标签的时候，同时解码出一个单元格位置，使得单元格位置和td标签一一对齐。
12、为了实现上述目的，本专利技术还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行，以实现基于html语义树的可控性表格重建模型的方法。
13、为了实现上述目的，本专利技术还提供了一种基于html语义树的可控性表格重建模型的装置，包括：处理器和存储器；所述存储器用于存储计算机程序；所述处理器与所述存储器相连，用于执行所述存储器存储的计算机程序，以使得所述基于html语义树的可控性表格重建模型的装置执行所述的基于html语义树的可控性表格重建模型的方法。
14、与现有技术相比，本专利技术具备以下有益效果：
15、本专利技术通过tr个数预测、层次遍历序列两个任务的加入，在学习阶段可以引入更多的html语法树信息，让模型能充分学习表格html语法树的结构；在预测阶段，通过tr个数预测、层次遍历序列，能对模型的结构进行控制，减少错误行数预测的情况。
本文档来自技高网...【技术保护点】
1.一种基于html语义树的可控性表格重建模型的方法，其特征在于，在模型预测阶段包括：
2.根据权利要求1所述的基于html语义树的可控性表格重建模型的方法，其特征在于，在解码过程中，解码出每个单元格的位置信息T，以实现td标签和单元格位置序列的对齐，单元格个数为n，则位置信息序列T表示为：。
3.根据权利要求2所述的基于html语义树的可控性表格重建模型的方法，其特征在于，所述对齐的方法如下：在解码html串时，会产生三种token：table标签、tr标签、td标签，在解码出一个td标签的时候，同时解码出一个单元格位置，使得单元格位置和td标签一一对齐。
4.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行，以实现如权利要求1~3中任一项所述的基于html语义树的可控性表格重建模型的方法。
5.一种基于html语义树的可控性表格重建模型的装置，其特征在于，包括：处理器和存储器；所述存储器用于存储计算机程序；所述处理器与所述存储器相连，用于执行所述存储器存储的计算机程序，以使得所述基于html语
...【技术特征摘要】
1.一种基于html语义树的可控性表格重建模型的方法，其特征在于，在模型预测阶段包括：
2.根据权利要求1所述的基于html语义树的可控性表格重建模型的方法，其特征在于，在解码过程中，解码出每个单元格的位置信息t，以实现td标签和单元格位置序列的对齐，单元格个数为n，则位置信息序列t表示为：。
3.根据权利要求2所述的基于html语义树的可控性表格重建模型的方法，其特征在于，所述对齐的方法如下：在解码html串时，会产生三种token：table标签、tr标签、td标签，在解码出一个td标签的时候，同时解码出一个单元格位置...
【专利技术属性】
技术研发人员：朱宪超，胡刚，霍展羽，李晶，
申请(专利权)人：四川语言桥信息技术有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。